Professional Documents
Culture Documents
Resumen
En sus orgenes histricos, la Estadstica estaba ntimamente ligada a las cuestiones de Estado, y de
ah proviene el nombre de Estadstica. Hoy en da est presente prcticamente en todos los campos de
estudio.
El lenguaje estadstico es adems muy utilizado en la informacin de todos los medios de
comunicacin.
Dentro de la Estadstica pueden considerarse dos grandes ramas: la Estadstica Descriptiva y la
Estadstica Inferencial.
Palabras clave
Ramas de la Estadstica: Estadstica Descriptiva e Inferencial.
1. INTRODUCCIN
La Estadstica actual es el resultado de la unin de dos disciplinas que evolucionan de manera
independiente hasta confluir en el siglo XIX: el Clculo de Probabilidades, que nace en el siglo XVII
como teora matemtica de los juegos de azar, y la Estadstica, ciencia del estado, que estudia la
recogida y descripcin de datos y que es de races bastante ms antiguas.
Esto hace que una de las acepciones ms aceptadas de Estadstica sea la que la define como el
conjunto de mtodos que tiene por objeto la obtencin, tratamiento y la interpretacin de un conjunto de
datos de observacin relativos a un grupo de individuos o unidades. La Estadstica acta como
disciplina puente entre los modelos matemticos y los fenmenos reales.
Es difcil establecer una cronologa exacta de los orgenes de la Estadstica. Desde la antigedad, los
estados han recogido informacin sobre la poblacin y riquezas que exista en sus dominios (censos,
inventarios). Por otra parte, desde el siglo XVII se ha tratado de interpretar fenmenos biolgicos y
sociales de poblaciones a partir de datos numricos (tablas de mortalidad, contrastacin de la teora de
C/ Recogidas N 45 - 6A 18005 Granada csifrevistad@gmail.com
ISSN 1988-6047
ISSN 1988-6047
muchas veces la unidad de medida no nos permita tal hecho. Esto ocurre, por ejemplo, al estudiar la
altura de una poblacin, que aunque sabemos que es una variable continua, los aparatos de medida
slo nos permiten tomar stas con una determinada aproximacin.
Algunas veces tambin es preferible, en el caso de las variables discretas con un gran nmero de
resultados, tratarlas como si fueran variables continuas y viceversa.
Una vez obtenida la informacin referente a la variable de estudio, sta se organiza y resume en las
llamadas distribuciones de frecuencias, que nos proporcionan el nmero de individuos que hay para
cada uno de los valores de la variable. Estas distribuciones de frecuencias pueden ser de frecuencias
absolutas, que nos dicen el nmero de individuos que presentan un determinado valor de la variable, o
de frecuencias relativas, que nos dan el tanto por uno o por ciento de la poblacin que presenta es
determinado carcter. En ocasiones, tambin sern de utilidad las frecuencias acumuladas, en las que
cada valor acumula los datos pertenecientes tambin a los que son menores que l.
2.2. Medidas
Uno de los objetivos de la Estadstica Descriptiva es la de resumir toda la informacin recopilada en
unos pocos valores numricos, para poder sacar consecuencias de esa informacin. Dentro del
conjunto de valores numricos que resumen toda la informacin los hay de distinto tipo y que aportan
distintas caractersticas.
As, nos encontramos con:
-Medidas de centralizacin: media, moda, mediana, cuarteles, deciles y percentiles
-Medidas de dispersin: varianza, desviacin tpica, rango, rango intercuartlico
-Medidas de forma: coeficiente de variacin de Pearson, Curtosis de Fisher
-Relacin entre variables: coeficiente de correlacin lineal, recta de regresin
2.3. Grficos
Dentro de las tcnicas que permiten resumir la informacin de una variable estadstica, los grficos
ocupan un papel fundamental, debido a su facilidad de comprensin incluso entre aquellas personas
que no poseen conocimientos de estadstica.
Los diagramas de barras, pictogramas, diagramas de sectores, histogramas, polgonos de frecuencias,
diagramas de caja y bigotes, pirmides de poblacin, cartogramas, entre otras, ofrecen una informacin
visual muy clara para comprender cmo est distribuida la caracterstica que estamos estudiando en la
poblacin. La introduccin del ordenador ha permitido que estos grficos se obtengan de forma sencilla
y rpida con una gran calidad grfica.
3. ESTADSTICA INFERENCIAL
C/ Recogidas N 45 - 6A 18005 Granada csifrevistad@gmail.com
ISSN 1988-6047
El arte de obtener con confianza conclusiones sobre el modo de proceder del fenmeno que se estudia
es el objeto de las diversas tcnicas existentes de Inferencia Estadstica. La Estadstica Inferencial o
inductiva plantea y resuelve el problema de establecer previsiones y conclusiones generales sobre una
poblacin a partir de los resultados obtenidos de una muestra. Los modelos estadsticos actan de
puente entre lo observado (muestra) y lo desconocido (poblacin). Su construccin y estudio estn
basados en el Clculo de Probabilidades.
As pues, la Inferencia Estadstica es la metodologa tendente a hacer descripciones, predicciones,
comparaciones y generalizaciones de una poblacin estadstica a partir de la informacin contenida en
una muestra. Utiliza resultados obtenidos mediante la Estadstica Descriptiva y se apoya fuertemente
en el Clculo de Probabilidades.
3.1. Clasificacin de los procedimientos de Inferencia Estadstica
Los procedimientos de Inferencia Estadstica los podemos clasificar atendiendo a tres criterios:
a) Respecto al objetivo de estudio. Si el objetivo es describir una variable o las relaciones entre un
conjunto de variables se utilizan tcnicas de muestreo. Cuando el objetivo es contrastar relaciones entre
las variables y predecir sus valores futuros se utilizan tcnicas de diseo experimental.
b) Respecto al mtodo utilizado, nos encontramos con los mtodos paramtricos y los no paramtricos.
Los mtodos paramtricos suponen que los datos provienen de una distribucin que puede
caracterizarse por un pequeo nmero de parmetros que se estiman a partir de los datos. Los
mtodos no paramtricos suponen nicamente aspectos muy generales de la distribucin y tratan de
estimar su forma o contrastar su estructura.
c) Respecto a la informacin considerada. Aqu distinguimos el enfoque clsico y el enfoque bayesiano.
El enfoque clsico supone que los parmetros son cantidades fijas desconocidas sobre las que no se
dispone de informacin inicial relevante. Por el contrario, el enfoque bayesiano considera a los
parmetros del modelo como variables aleatorias y permite introducir informacin inicial sobre sus
valores mediante una distribucin de probabilidades a priori.
La base en que se fundamenta la Estadstica Inferencial es el Clculo de Probabilidades.
4. CLCULO DE PROBABILIDADES
El Clculo de Probabilidades es una disciplina vital para la Estadstica a la hora de representar
fenmenos aleatorios en los que interviene el azar y para realizar cualquier procedimiento de inferencia,
Su aparicin est ligada a los juegos de azar, estando fijada para algunos autores en la
correspondencia establecida entre Pascal y Fermat sobre la resolucin de algunos problemas
relacionados con los juegos de azar (propuestos por De Mre).
El concepto de probabilidad ha ido variando desde el punto de vista matemtico. Para Laplace, se
defina la probabilidad de un suceso como el cociente entre el nmero de casos favorables y el nmero
de casos posibles.
C/ Recogidas N 45 - 6A 18005 Granada csifrevistad@gmail.com
4
ISSN 1988-6047
Posteriormente, se opt por una definicin frecuentista, tomando como probabilidad el nmero al que
tiende la frecuencia relativa. PA lim fr A
N
Existe una tercera interpretacin, la subjetivista o personalista que interpreta la probabilidad como el
grado de creencia que para un apersona determinada tiene el suceso, en base a una informacin a
priori del mismo.
Desde 1933, se acepta la construccin axiomtica de la probabilidad realizada por Kolmogorov:
P : 0, 1
P 0
P 1
0 P A 1 A
PA B PA PB A,B
5. TCNICAS DE MUESTREO, ENCUESTAS Y CENSOS
5.1. Muestreo
Cuando una investigacin estadstica se realiza a toda la poblacin decimos que estamos realizando un
censo (Estadstica Descriptiva), pero si recogemos datos de informacin relativos slo a una muestra
diremos que estamos realizando una encuesta o sondeo (trmino utilizado fundamentalmente cuando
la poblacin de estudio la constituyen personas).
El muestreo es el primer paso en el proceso de inferencia estadstica y se acude a l por resultar ms
rpido, y econmico, o porque se usan procedimientos destructivos, o por necesidad de pruebas
testigos, etc.
Existen los siguientes tipos de eleccin de muestras:
- Muestreo aleatorio. Consiste en listar todos los elementos de la poblacin y seleccionar
aleatoriamente n elementos de la
- Muestreo sistemtico. Consiste en seleccionar los n elementos de la muestra de k en k, siendo k el
Nmero de elementos de la poblacin N
entero ms prximo a
, y partiendo de un arranque
Tamao de la muestra
n
aleatorio i, comprendido entre 1 y k.
- Muestreo por estratos. Consiste en dividir la poblacin en estratos homogneos y en cada uno de
ellos tomar muestras aleatorias simples.
- Muestreo por conglomerados. Consiste en dividir la poblacin en conglomerados. Se eligen al azar
unos pocos de estos conglomerados y la muestra estar formada por todos los elementos de ellos o
por muestras aleatorias simples de stos.
- Muestreo anidado. Es una generalizacin del muestreo por conglomerados. En la primera etapa se
seleccionan una serie de conglomerados o unidades muestrales primarias, en una segunda se
C/ Recogidas N 45 - 6A 18005 Granada csifrevistad@gmail.com
ISSN 1988-6047
ISSN 1988-6047
ISSN 1988-6047
ISSN 1988-6047
Como hemos visto, los censos pueden ser evaluados a partir de encuestas pero stos a su vez
proporcionas a las investigaciones por muestreo:
- Informacin indispensable para la construccin de las bases de muestreo.
- Informacin auxiliar para ser utilizada en:
o Procesos de estratificacin.
o Procesos de estimacin
6. EL MTODO ESTADSTICO
La investigacin cientfica es un proceso de aprendizaje dirigido. El objeto de los mtodos estadstico es
hacer que dicho proceso sea lo ms eficiente posible. Ese aprendizaje parte de una hiptesis inicial y,
por un proceso de deduccin, conduce a ciertas consecuencias que pueden ser comparadas con los
datos. Cuando esas consecuencias y los datos no coinciden, la discrepancia puede conducir a la
modificacin de las hiptesis. De este modo, se inicia un segundo ciclo de iteracin, deduciendo las
consecuencias de las hiptesis modificadas y comparando de nuevo con los datos, pudiendo llevar a
nuevas modificaciones y ganancia del conocimiento.
El mtodo estadstico es el procedimiento mediante el cual se sistematiza y organiza el proceso de
aprendizaje iterativo deductivo-inductivo. Las etapas bsicas de aplicacin de los mtodos estadsticos
son:
1. Planteamiento del problema.
Hay que limitar el problema en cuestin a trminos abordables. Para ello hay que definir su mbito de
aplicacin, as como las caractersticas a tener en cuenta. Las conclusiones que se obtengan slo
podrn aplicarse a la poblacin definida, dependiendo su validez de las variables medidas. El resultado
de esta fase es una variable respuesta y un conjunto de variables explicativas.
2. Diseo del experimento.
Debemos determinar un modelo matemtico-estadstico que se aproxime a la realidad objeto de
estudio. Cuando la informacin disponible corresponde a una nica variable se denominan modelos
extrapolativos y cuando incluyen adems los valores de una o ms variables explicativas se denominan
modelos explicativos. Por otro lado, si el objeto es representar un instante temporal dado nico, se
denominan modelos estticos, mientras que si se desea representar una evolucin a lo largo del
tiempo, se llaman modelos dinmicos. En cualquier caso, pueden representarse por y x , donde y
es la observacin, es la parte sistemtica y x es la parte aleatoria.
3. Obtencin de los datos.
A continuacin, hay que medir los valores de la variable de inters. La informacin puede recogerse por
muestreo, observando pasivamente una muestra y anotando los valores de las variables, o por diseo
de experimentos, fijando los valores de ciertas variables y observando la respuesta de otras. Algunos
C/ Recogidas N 45 - 6A 18005 Granada csifrevistad@gmail.com
ISSN 1988-6047
autores clasifican los datos en primarios y secundarios, segn hayan sido stos recogidos y registrados
por el investigador por primera vez o no.
4. Depuracin de los datos de la muestra.
Tras la recogida de datos, el estadstico debe proceder a su depuracin para detectar posibles errores
(de medicin, de transcripcin,). Suelen usarse tcnicas en el clculo de outliers.
5. Estimacin de parmetros.
Utilizando la informacin disponible de la muestra puede estimarse el valor o valores de ciertos
parmetros, as como el posible error de estimacin.
6. Simplificacin.
Determinar si es posible conseguir un modelo ms simple, determinando si todos los parmetros
definidos previamente son o no necesarios.
7. Crtica del modelo. Formulacin de la respuesta.
Se investiga la compatibilidad entre la informacin emprica y el modelo estadstico, Tras esta fase
podemos aceptar el modelo como correcto y hacer uso de l, o en caso contrario, volver a la fase 2 y
reformular otro modelo.
Puede notarse la metodologa iterativa sealada al comienzo de este apartado. As, la Estadstica
Descriptiva recoge, organiza y obtiene los parmetros de una serie de datos, mientras que la
Estadstica Inferencial describe, predice, compara y generaliza los resultados obtenidos de una muestra
a toda la poblacin.
7. APLICACIONES
Desde principios, la Estadstica ha mostrado una clara vocacin de apego a la realidad, siendo esta
vocacin su principal motor de desarrollo. As, pocos campos cientficos y actividades humanas estn
ajenos a su influencia. Veamos pues algunas de las aplicaciones que tiene:
1. Estadsticas pblicas y de organismos oficiales.
En primer lugar, hay que hacer notar la relevancia actual e histrica que tienen las estadsticas
oficiales para el funcionamiento de un Estado. Casi todos los pases tienen Institutos Oficiales de
Estadstica (INE en Espaa) que armonizan sus mtodos a travs del Instituto Internacional de
Estadstica (ISI). Es ms, algunas regiones cuentan con sus propios Institutos de Estadstica, como el
IEA de Andaluca. Asimismo, son fundamentales los estudios sociolgicos sobre la evolucin de los
ciudadanos sobre diversos temas, y existen diversas empresas privadas de estadstica que realizan
numerosas trabajos en diversos campos. Todos estos estudios tienen una gran influencia para la
poltica, la economa, el sector empresarial, y para los ciudadanos en general que prestan cada da
mayor atencin a las estadsticas, de las que puede depender su incremento salarial, el inters de
C/ Recogidas N 45 - 6A 18005 Granada csifrevistad@gmail.com
10
ISSN 1988-6047
referencia de la hipoteca Algunos ejemplos que podemos citar son: el Censo General de Poblacin, la
Encuesta de Poblacin Activa (EPA), el ndice de Precios de Consumo (IPC), el ndice de Produccin
Industrial (IPI), el Producto Interior Bruto (PIB)
2. Ciencias Experimentales.
La Estadstica es una herramienta fundamental en todas las ciencias experimentales pues permite
medir las diferencias entre los valores experimentales obtenidos y los valores esperados segn el
modelo terico, controlando errores de medida, realizando estimaciones, contrastando hiptesis De
hecho, una de las aplicaciones histricas ms importantes de la Estadstica fue su utilizacin para la
contrastacin emprica de la teora de Darwin. As, la Estadstica resulta fundamental en ciencias como
Fsica (control de errores de medida, leyes de distribucin de los gases, principio de incertidumbre),
qumica (velocidad de reacciones qumicas, composiciones), medicina (mtodos de diagnstico,
comparacin de tratamiento), veterinaria (control de epidemias), biologa (estudio y reproduccin de
especies), meteorologa (previsin del tiempo), etc.
3. Ciencias Sociales.
Desde los primeros estudios sobre tablas de mortalidad aplicados por las compaas se seguros hasta
los complejos modelos econmicos, la Estadstica ha sido y es una herramienta fundamental para las
ciencias relacionadas con el estudio de los seres humanos y sus relaciones. Son habituales las
estadsticas sobre estudios econmicos (modelos de funcionamiento del mercado), demogrficos
(pirmides de poblacin, tasas de natalidad), psicolgicos (test psicotcnicos), sociolgicos
(encuestas del CIS)
4. Industria y comercio.
Otros campos de actuacin son las ingenieras (resistencia de materiales, estudio de plantaciones
agrcolas, diseo de nuevos productos y tiempos de vida) o en el comercio (control de calidad,
evolucin de la produccin).
5. Otros campos.
Como ya hemos indicado, es difcil encontrar algn sector ajeno a la Estadstica, especialmente con el
uso del ordenador y el acceso a los mtodos estadsticos para personas no especficamente
cualificadas. As, y por citar otros ejemplos, se utilizan modelos estadsticos para establecer la aparicin
de nmeros primos en intervalos (Matemticas), para establecer la autora de obras (Lingstica), para
la identificacin de acusados (Derecho), para el trfico en redes (Informtica), para establecer el precio
de los anuncios (Publicidad), etc.
8. CONCLUSIN
La Estadstica puede definirse como el conjunto de mtodos que tiene por objeto la obtencin, el
tratamiento y la interpretacin de un conjunto de datos de observacin relativos a un grupo de
individuos o unidades.
C/ Recogidas N 45 - 6A 18005 Granada csifrevistad@gmail.com
11
ISSN 1988-6047
Dentro de la Estadstica pueden considerarse dos grandes ramas: la Estadstica Descriptiva, que trata
del recuento, ordenacin y clasificacin de los datos obtenidos por las observaciones y mediciones, y la
Estadstica Inferencial que, haciendo uso del Clculo de Probabilidades, describe, predice, compara y
generaliza resultados a una poblacin estadstica a partir de la informacin que obtiene de una parte de
la poblacin.
9. BIBLIOGRAFA
Cochran, W. G. (1986). Tcnicas de muestreo. Mxico: Continental
Cramer, H. (1977). Elementos de la teora de probabilidades. Madrid: Aguilar
Lpez Cachero, M. (1996). Fundamentos y Mtodos de la Estadstica. Madrid: Ed Pirmide
Quesada, V.; Isidoro, A. y Lpez, L.A. (1989). Curso y ejercicios de estadstica. Madrid: Alhambra
Ros, S. (1983). Anlisis estadstico aplicado. Madrid: Paraninfo
Ros, S. (1994). Iniciacin a la estadstica. Madrid: Paraninfo
10. REFERENCIAS WEB
- SEIO: Sociedad Espaola de Estadstica e I.O.
- ISI: Internacional Statistical Institute.
- Bernoulli Society (Europea)
Autora
Nombre y Apellidos: SILVIA BORREGO DEL PINO
Centro, localidad, provincia: I.E.S. NGEL DE SAAVEDRA. CRDOBA- CRDOBA.
E-mail: DEPIS79@HOTMAIL.COM
12